ADNet：监控视频中的时间异常检测网络
计算机视觉与模式识别
2021-04-15 v1
摘要
监控视频中的异常检测是计算机视觉中的一个重要研究问题。本文提出一种异常检测网络 ADNet，利用时间卷积来定位视频中的异常。该模型通过接收由固定数量视频片段组成的连续窗口进行在线工作。窗口内视频片段提取的特征被输入 ADNet，从而有效定位视频中的异常。我们提出 AD 损失函数以提升 ADNet 的异常片段检测性能。此外，我们提出使用 F1@k 指标进行时间异常检测。F1@k 相较于 AUC 是更优的评估指标，因其不惩罚时间片段中的微小偏移，且惩罚短暂的错误正时间片段预测。进一步，我们扩展了 UCF Crime 数据集，新增两类异常并为所有类别提供时间异常标注。最后，我们在扩展的 UCF Crime 数据集上对我们的模型进行了充分评估。ADNet 在 F1@k 指标上取得了有前景的结果。数据集扩展与代码将在发表后公开可用。
引用
@article{arxiv.2104.06653,
title = {ADNet: Temporal Anomaly Detection in Surveillance Videos},
author = {Halil İbrahim Öztürk and Ahmet Burak Can},
journal= {arXiv preprint arXiv:2104.06653},
year = {2021}
}
备注
FGVRID workshop of ICPR conference, 15 pages